HR & 빅데이터

데이터의 중요성이 증가하면서 그에 맞는 법제/윤리기준도 생겨나고 있다. 민감정보를 많이 다루는 HR Data Analysis의 특성상 데이터 관리에서의 Risk management도 중요할 것인데, 그에 관한 상세한 설명을 하고 있다. 유럽의 법안이므로, 글로벌 회사에서 HR을 담당하시는 분들은 흥미로울 것 같다. Workday에서 주최했던 Pandemic과 HR의 대응방안 워크샵에서 다뤘던 어젠다와 결부시켜 생각해볼 수도 있겠다. 도입부 해석을 추가하니, 관심이 있으신 분은 아래 링크를 참고하여 전문을 읽어보시기를 추천한다. 8 Aspects of GDPR Compliance: A Brief Guide for HR Functions ​With only a few weeks to go until the ..

출구조사란 무엇이며, 그 적중률은? 투표 당일 조사원이 투표소 50m밖에서 대기하고 있다가, 나오는 사람들에게 "어느 후보를 선택하셨나요?" 물어보고 그 답들(샘플)을 모아 선거 결과(모수)를 통계적으로 예측하는 것이다. 이번 대선에서는 구체적으로, 방송사공동예측조사위원회(KEP)에서 선정한 약 1480여명의 조사원들이, 선거 당일 오전 6시부터 오후 6시까지, 5명 중 1명에게 무작위로 물어보는 방식으로 진행된다고 한다. 전화 등과 달리, 직접 조사하기 때문에 일반 여론조사보다 훨씬 정확도가 높다. 2002년 한국에 처음 도입된 이래, 지상파 주관 출구조사에서는 당선 결과만 놓고 보면 100% 일치했다. 다만, 각 후보의 득표율은 차이가 날 수 있다. 당선 예측 말고 출구조사의 역할이 또 있을까? 선거..

*공부 기록용 포스팅입니다. 1. 만족도 만족도가 낮은 쪽에서 퇴사자 비율이 높은 것은 당연한 것으로 보인다. 특히 0.4 주변의 퇴사자 비율이 아주 높다. 만족도 0.5를 기준으로 낮은 집단, 높은 집단을 구분하면 낮은 집단이 퇴사자 비율이 높다. 궁금한 것은 약 0.7에서 0.9 주변까지의 아주 높은 만족도를 보인 사람도 퇴사를 했다는 것. 이 집단은 회사에 불만이 있어서라기 보다는 회사 외부의 더 좋은 조건이나 개인적인 요인이 있지 않을까 생각해본다. 0부근에서 퇴사자 비율이 거의 1에 가까운 것은 데이터 자체가 적어서 그럴 것 같다. 확인이 필요한 부분. 스케일링 전의 raw data를 보면 도드라지게 비율이 높고/낮은 부분에 대한 인사이트를 얻을 수 있을 것 같다. 2. 월 평균 근무시간 월 평..

*실제로 밸런스가 깨진 데이터의 성능을 설명할 시 f1-score만 비교해주면 됩니다. 멘토링 시, 초심자 분들 께서는 Precision과 Recall을 많이 궁금해 하셔서 그부분을 상세하게 설명할 예정입니다. *confusion matrix를 이해하고 계신 분들은 3. 무엇을 읽을 수 있는가? 부터 보시면 됩니다. 0. 맥락 이해하기 - 어떤 사람 Index데이터를 주면, AI알고리즘이 이 사람이 채용에 적합한지 부적합한지 (즉, 합격인지 탈락인지) 판단하는 이진 분류 알고리즘을 개발하려고 함. - 총 약 300명의 기존 채용 결과 데이터가 있으며, 이중 226명 데이터를 Train데이터로, 나머지를 Test데이터로 사용하여 알고리즘을 학습시키고 모델의 성능을 검증하려고 함. - 성능 검증을 왜 하나?..

기억에 남는 내용은.... 1. 메타버스 기술을 어떻게 정의할 것인가? 이 문제. 안그래도 예전에 관련 질문을 받았어서 메타버스가 뭔데? 로 질문이 거슬러 갔던 기억이 난다. 새로운 개념이라 학계에서 내린 정의는 명확하지 않은 듯 했고, 이스트소프트에서는 실제 실존인물 바탕인지/아예 가상의 허구인지 개념 + 실제 존재하는 동작등에 모션을 입혀서 처리하는지 아니면 따라할 대상(?) 이 없고 자체적으로 모션을 하는 것인지.. 이렇게 두가지 기준들로 메타버스기술들을 나눴던 것 같다. 이 과정에서 GAN등 '기존의 대상들로부터 새로운 대상을 -창조-' 할 수 있는 딥러닝 기술들도 언급했다. 2. 보안과 얼굴 인식 기술 관련.. 1) '다른 얼굴' 의 기준이 무엇인가? A사람이 찡그릴 때와 웃을 때는 분명 다른 ..

설명된 키워드를 포함한 다양한 논의들이 나왔다. (키워드 설명은 웨비나에서 언급된 것과 필자의 주관적인 코멘트가 섞여 있습니다.) Digital Transformation (DT) 에 관하여: 1) DT는 한 2년 전부터 많이 회자되는 단어이기는 한데, 소스들마다 내용이 달라 헷갈렸었다. 이걸 명확하게 이야기 해주셔서 속이 시원했다. 2) 개념적으로 Digitization(아날로그 > 디지털로 넘어가는 것) / Digitalization (디지털기술 활용해서 운영방식 개선). 좀더 포괄적인 개념은 '기술을 이용해서/비즈니스 모델+커스터머를 포함한 다양한 변화를 관리하는 것' 3) Fag: '유행'; 맥락상 비즈니스에서의 일시적인 유행. DT가 유행인데 와~~유행이다~~ 하고 실질적인 변화 없이 무조건 도..

핵심적인 부품 두 개이다. 1. CPU (영상편집을 위해서는 CPU사양이 좋아야 함) [AMD] 라이젠5 버미어 5600X (6코어/12스레드/3.7GHz) CPU하면 인텔이라 생각하고 있었는데 AMD가 신흥강자라고 추천받아서 선택. 아래는 인텔과의 성능 비교 포스팅인데 흥미로우신 분들은 읽어 보면 좋겠다. [CPU] 인텔 i7-11700KF vs 라이젠5 5600X 게임 성능 차이 비교! [CPU] 인텔 i7-11700KF vs 라이젠5 5600X 게임 성능 차이 비교! 최근 인텔 11세대가 출시되었지만, 인텔 10세대와 큰 차이를 보여주지 못하며 많은 혹평을 받고 있죠. 그렇다면 인텔 i7-11700KF와 라이젠5 5600 grume.tistory.com 2. 그래픽카드 (딥러닝을 위해서는 그래픽카드..

*2021-12-03 업데이트 모 기관의 반도체 공정 실무자 인공지능 역량강화 교육 과정에 멘토 자격으로 참가하여 프로젝트 튜터링을 했다. 이전 회사도 반도체업계였어서 내적 반가움이 컸다! 여러모로 멘토로서도 배운 것이 많은 교육이었기에, 이를 흘려보내기 아쉬워 반도체 데이터 분석 시 필요한 공정 도메인을 정리해보려 한다. 내가 공부하기 위해 만드는 자료라 내용이 계속 수정/업데이트 될 수 있다! 자.. 데이터 분석의 기본은 데이터에 대한 이해이다. (단, 문제 및 원인 정의, 관련 데이터 수집 단계를 제외한다는 전제이다. 프로젝트에 따라, 문제 정의 단계가 사전 설정되어 있다면 우리는 분석에만 초점을 맞추게 된다.) 이를 위해서는 데이터 인덱스가 생성, 축적, 업데이트, 삭제 되는 전 과정을 상상할 수..

피플아날리틱스(People Analytics)란? 사람도 데이터이다. HR(인적자원 관리/개발)영역에서는 경험과 직관에 의존했던 역사를 탈피하고, 객관적 데이터 분석을 통해 비즈니스 가치를 창출한다는 이른바 ‘피플아날리틱스’가 혁신 사례로 뜨고 있다. 꿈 같은 이야기라 생각할 수 있으나, 이미 목전이다. ‘그게 되나?’가 아니라, ‘그래서 어떻게 하는데?’의 문제인 것이다. 예로, 한 글로벌 기업은 중국의 공장 부지 선정을 위해 인사 데이터 분석을 시행했고, 특정 지역에서는 공장에서 원하는 경험과 스킬을 가진 인력 공급이 적어 적시에 인원 충원을 하기 힘들 것이라고 예측했다. 차선책으로, 입사 후 교육을 통한 인력 개발 비용까지 분석했으나 설립 초기 투자 가능금액에 비해 너무 높아 커버가 불가능한 지역도..

출처: 코딩월드뉴스 (https://cms.codingworldnews.com/news/articleView.html?idxno=4166) 매력적인 채용 공고일까? '텍스티오' 가 첨삭한다 인재 채용 과정에서 텍스트를 읽는 인공지능(AI) 툴의 존재는 이제 익숙해졌다. 롯데는 이미 2018년 상반기부터 서류 전형 단계에서 이른바 '복사 붙이기식 이력서'를 걸러내고 회사 인재상에 적합한 지원자의 덕목을 찾아내기 위해 AI '에이브릴'을 사용하며 공정성과 효율성을 확대했다. 온라인의 자소서 예시 항목, 웹페이지 등에서 빅데이터를 추출하여 같은 내용인지 확인하고, '열정', '책임감' 등 우수 인재 요소를 지원자 자기소개서와 일일이 대조화 해 점수화한 것이다. 하지만, 또 다른 AI 툴 텍스티오(Textio)..